RCC1 和 RCC2：肺癌、胰腺癌与结直肠癌预后新指标及潜在靶向治疗新方向

本文聚焦调节染色体凝聚蛋白 1（RCC1）和 RCC2，通过多组学分析其在小细胞肺癌（SCLC）、非小细胞肺癌（NSCLC）等多种癌症中的表达，发现二者高表达与多种癌症不良预后相关，有望成为新的治疗靶点，为癌症研究开辟新思路。

　　

引言

调节染色体凝聚蛋白 1（Regulator of chromosome condensation 1，RCC1）是核 Ras 样 G 蛋白 Ran 唯一已知的鸟嘌呤核苷酸交换因子（GEF） 。Ran 是一种 GTP 酶，在 GDP 结合态和 GTP 结合态之间循环，其在细胞核中高度浓缩且主要以 Ran - GTP 形式存在，在细胞质中浓度较低且主要为 GDP 结合态，形成细胞内 Ran - GTP 梯度 。这一梯度受胞质 GTP 酶激活蛋白（如 Ran GAP1）和核内 RCC1 的不对称且相互排斥的分布调节 。RCC1 除了与 Ran 相关的功能外，还参与细胞周期调节、DNA 损伤和衰老等多个关键细胞过程 。

RCC2 是 RCC 家族的另一个成员，含有七个 RCC1 样结构域，同样具有鸟嘌呤交换活性，在细胞周期调节中发挥作用 。RCC2 最初因其在有丝分裂中的作用被发现，还可能参与间期细胞周期的调节，并且能够抑制 RAC1 的 GEF 激活 RAC1，从而抑制 RAC1 介导的肌动蛋白细胞骨架重组 。已有研究表明 RCC1 和 RCC2 在致癌过程中发挥重要作用，本研究旨在分析它们的表达与多种指标的关联，以及对患者预后的影响。

材料和方法

1. 组织样本：使用 Caris Life Sciences（美国亚利桑那州凤凰城）的 DNA（592 基因或全外显子）/RNA（全转录组）测序技术，对小细胞肺癌（SCLC，n = 876）、非小细胞肺癌（NSCLC，n = 21,603）、胃癌（GC，n = 1,908）、胰腺癌（PC，n = 5,071）和结直肠癌（CRC，n = 14,892）的连续肿瘤样本进行分析。样本根据 RCC1 和 RCC2 表达四分位数阈值（Q1：低，Q4：高）进行分层。
2. 下一代测序（NGS）：从福尔马林固定石蜡包埋（FFPE）样本中分离基因组 DNA，经显微切割富集肿瘤纯度后，使用 NextSeq 或 NovaSeq 6000 平台（Illumina 公司，美国加利福尼亚州圣地亚哥）进行测序。RNA 的 NGS 采用杂交捕获方法，使用 Agilent SureSelect Human All Exon V7 诱饵板（Agilent Technologies 公司，美国加利福尼亚州圣克拉拉）和 Illumina NovaSeq 平台从 FFPE 肿瘤样本中获取全转录组。
3. 免疫组织化学：在玻璃载玻片的完整 FFPE 切片上进行免疫组织化学检测，并按照临床实验室改进修正案 / 美国病理学家协会和国际标准化组织的要求进行验证。
4. 基因融合检测：通过 RNA 测序，使用 ArcherDx 融合检测（Archer FUSIONPlex 实体瘤检测板，美国爱荷华州科拉尔维尔）或全转录组测序检测（Illumina NovaSeq 平台；Illumina 公司，美国加利福尼亚州圣地亚哥）来检测基因融合。
5. 肿瘤微环境：使用先前发表的 quanTIseq 生物信息学软件包评估肿瘤微环境细胞分数，对批量肿瘤 RNAseq 数据进行分析。
6. 生存分析：使用真实世界证据（RWE）保险索赔数据计算总生存期（Overall Survival，OS），从活检或治疗开始日期到最后一次接触定义为 OS。在生存分析中比较高（Q4）和低（Q1）分类亚组。
7. 统计分析：使用卡方检验和 Fisher 精确检验分析分类变量的分子关联，使用 Mann - Whitney U 检验分析连续变量。使用 JMP V13.2.1（SAS Institute）和开源 Python 库（Pandas、NumPy、Seaborn 和 Matplotlib）进行统计分析，并应用 Benjamini - Hochberg 程序调整多重比较。
8. 伦理声明：本研究遵循《赫尔辛基宣言》、《贝尔蒙报告》和美国共同规则的指导方针，使用回顾性、去识别化的临床数据进行研究。

结果

1. 患者基本信息：本研究共纳入 876 例 SCLC 患者、21,603 例 NSCLC 患者、1,908 例 GC 患者、5,071 例 PC 患者和 14,892 例 CRC 患者，各癌症类型患者的中位年龄分别为 67.0 岁、69.0 岁、65.0 岁、67.0 岁和 62.0 岁。
2. RCC1 相关结果
   • 表达水平：RCC1 的中位 mRNA 表达在 SCLC 中最高（14.3 转录本每百万，TPM），其次是 GC（9.9 TPM）、NSCLC（9.9 TPM）、CRC（9.8 TPM）和 PC（6.9 TPM）。在胃肠道癌症中，根据微卫星不稳定性（MSI）状态进一步分层，发现 CRC - MSI 癌症中 RCC1 的中位表达最高（15.3 TPM）。
   • 与免疫治疗相关生物标志物的关联：在 NSCLC、GC 和 CRC 中，肿瘤突变负荷高（TMB - high）率随 RCC1 表达四分位数（Q1 - 4）的增加而逐渐升高；在 NSCLC、PC 和 CRC 中，PD - L1 阳性率随 RCC1 Q1 - 4 亚组逐渐升高。
   • 基因共改变：不同癌症类型中，RCC1 表达与多种基因共改变相关。如在 SCLC 中，TP53 突变率随 RCC1 Q1 - 4 亚组逐渐增加；在 NSCLC 中，TP53、RB1、EGFR 突变率以及基因组杂合性缺失（LOH）随 RCC1 Q1 - 4 亚组逐渐增加，而 STK11 和 KRAS 突变频率与 RCC1 表达呈负相关。
   • 与肿瘤免疫细胞微环境的关联：在 SCLC 和 NSCLC 中，较高的 RCC1 表达亚组与增加的树突状细胞和 NK 细胞分数相关，Treg 分数降低；在 NSCLC 中，还与增加的 M1 巨噬细胞、单核细胞和中性粒细胞比例相关。
   • 与总生存期的关联：在 SCLC 中，RCC1 表达与 OS 无差异；在 NSCLC、GC - MSS、PC 和 CRC - MSS 中，较高的 RCC1 表达与较差的 OS 相关；在 GC - MSI 中，高 RCC1 表达与较好的 OS 相关。
   
   
3. RCC2 相关结果
   • 表达水平：RCC2 表达的四分位距在不同癌症类型中有差异，其中 SCLC 中为 24.8 - 55.0 TPM，且 SCLC 中 RCC2 的中位表达最高（36.2 TPM）。
   • 与免疫治疗相关生物标志物的关联：在 NSCLC 和 CRC 中，TMB - high 率随 RCC2 Q1 - 4 亚组逐渐升高，而 PD - L1 阳性率与 RCC2 表达无显著趋势。
   • 基因共改变：不同癌症类型中，RCC2 表达与多种基因共改变相关。如在 SCLC 中，TP53 和 RB1 突变率随 RCC2 Q1 - 4 亚组逐渐增加；在 NSCLC 中，TP53、RB1 等多个基因的突变率和 LOH 随 RCC2 Q1 - 4 亚组逐渐增加，STK11、KEAP1 和 KRAS 突变频率与 RCC2 表达呈负相关。
   • 与肿瘤免疫细胞微环境的关联：在 SCLC 和 NSCLC 中，高 RCC2 表达与增加的 B 细胞、树突状细胞等相关，CD4 T 细胞和 Treg 分数降低；在 PC 和 CRC - MSI 中，高 RCC2 表达与增加的 M1 巨噬细胞和 NK 细胞分数相关。
   • 与总生存期的关联：在 NSCLC、PC 和 CRC 中，较高的 RCC2 表达与较差的 OS 相关，但在 SCLC 或 GC 中无此关联。在 CRC - MSI 中，增加的 RCC2 表达与从免疫治疗开始的 OS 改善相关。
   
   

讨论

本研究表明，RCC1 和 RCC2 表达在 NSCLC、PC 和 CRC 中是负性预后标志物。此前研究也发现 RCC1 在多种癌症中高表达且与不良预后相关，RCC2 在大多数癌症类型中高表达且与不良总体预后相关 。

RCC1 作为 Ran GTPase 的唯一已知 GEF，在核运输、细胞周期和 DNA 损伤反应中起作用。RCC1 过表达可能促进肿瘤细胞增殖和对 DNA 损伤的抵抗，而其活性的破坏会导致 DNA 损伤反应缺陷，从而影响肿瘤的发展和进展。例如，在胃癌细胞系和临床样本研究中，RCC1 沉默与更具侵袭性的疾病相关；在结直肠癌肝寡转移研究中，高 RCC1 表达是不良无复发生存期和 OS 的独立预后标志物 。

本研究还发现 RCC2 表达与免疫抑制、TMB 和 MSI 相关。RCC1 和 RCC2 表达可能具有预测意义，高表达与 NSCLC 化疗或免疫治疗开始后的较差 OS 相关，在 PC 和 CRC 中与化疗开始后的较差 OS 相关，但与 PC 和 CRC 的免疫治疗 OS 无相关性，这可能与这些癌症中免疫治疗的应用有限有关。在 SCLC 中，虽然 RCC1 和 RCC2 表达较高，但与较差的 OS 无关，可能与患者基线总体预后较差有关。

RCC1 和 RCC2 沉默可能使肿瘤细胞对化疗、放疗和免疫治疗敏感。临床前研究显示，敲低 RCC1 可显著降低 NSCLC 小鼠异种移植物的肿瘤生长速率，并进一步减小用 PD - L1 单克隆抗体治疗后的肿瘤体积，表明下调 RCC1 可能通过 p27^kip1/CDK4 轴上调 PD - L1，从而使免疫治疗更敏感 。

本研究存在一定局限性，由于是回顾性评估且癌症类型范围有限，使用的 RWE 数据缺乏部分临床病史信息，生存结局是根据组织采集到最后接触的时间推断，NGS 在疾病和治疗过程的不同时间点进行，并且本研究为探索性研究，单变量 / 未调整的分析框架存在局限性，未调整潜在混杂因素可能影响预后评估的准确性和全面性。

尽管存在这些限制，本研究评估了 SCLC、NSCLC、GC、PC 和 CRC 中与 RCC1 和 RCC2 表达相关的多组学特征。未来需要进一步研究其潜在的生物学和分子机制，包括进行基因表达谱分析以确定与 RCC1 和 RCC2 表达水平相关的多个基因，更详细地研究其他共改变的临床影响，包括上下游和相关通路以及肿瘤免疫微环境，为开发针对 RCC1/2 信号轴的治疗方法提供理论依据。总体而言，RCC1 和 RCC2 在癌症耐药中起核心作用，可能成为新型药物开发的潜在靶点，未来需要在更大、更多样化的患者队列中使用多变量调整分析来验证本研究的结果。